基于Pandas实现分性别、年龄组和项目取前3名（含并列）选手统计

问题分析 #

你的需求是按性别、年龄组、项目筛选各分组下的前3名（含并列成绩的所有选手），但原代码存在几个关键问题：

• 错误将成绩列（run1000）加入分组键，导致分组逻辑混乱
• 多余的agg("mean")操作无意义，反而破坏了原始成绩数据
• 排序和取数逻辑颠倒（跑步成绩越短越好，应升序排序后取前N，而非降序后取最小）

正确实现方案 #

假设你的数据结构包含以下字段：

• sex: 性别（如'ж'代表女孩，'м'代表男孩）
• year: 年龄组
• event: 项目名称（若run1000是成绩列，需单独的项目列；若run1000本身是项目，可调整分组键）
• fullName: 选手姓名
• run1000: 1000米跑成绩（数值越小越好）

情况1：每个选手在对应分组下只有1个成绩

直接按性别、年龄组、项目分组，组内对成绩升序排序，用rank标记排名后保留排名≤3的所有选手（含并列）：

import pandas as pd

# 核心筛选函数
def get_top3(group):
    # 按成绩升序排序，并列成绩取相同最小排名
    group['rank'] = group['run1000'].rank(method='min', ascending=True)
    # 保留前3名及并列选手
    return group[group['rank'] <= 3].drop(columns='rank')

# 按分组应用筛选逻辑
result = data.groupby(['sex', 'year', 'event'], group_keys=False).apply(get_top3)

# 输出结果
print(result)

情况2：每个选手在对应分组下有多个成绩（需先取最好成绩）

若同一选手在同一年龄组、项目有多次成绩，先取其最好成绩，再进行排名筛选：

# 第一步：取每个选手在对应分组下的最好成绩
best_scores = data.groupby(['sex', 'year', 'event', 'fullName'])['run1000'].min().reset_index()

# 第二步：按分组筛选前3名（含并列）
result = best_scores.groupby(['sex', 'year', 'event'], group_keys=False).apply(get_top3)

print(result)

关键说明 #

• rank(method='min')：确保并列成绩的选手获得相同的最小排名，比如两个选手都是第2名，后续选手直接排第4，这样排名≤3的结果会包含所有并列前3的选手
• 若成绩是数值越大越好（如跳远、跳高），只需将ascending=True改为ascending=False
• 若只有run1000一个项目，可去掉event分组键，仅按sex和year分组

内容的提问来源于stack exchange，提问作者AlexAnderson